WEBO.GE ციფრული
სერვისები
💻 საიტების დამზადება
🚀 SEO ოპტიმიზაცია
📞 579 817 817

მოუსმინეთ მოკლე მიმოხილვას

პენსილვანიის უნივერსიტეტის მკვლევარებმა შექმნეს ახალი მოდელი, რომელიც პრიონულ ცილებში ანტიმიკრობული პეპტიდების აღმოჩენას ახერხებს. ეს აღმოჩენა მნიშვნელოვანია, რადგან პრიონული ცილები დაკავშირებულია სერიოზულ ნეიროდეგენერაციულ დაავადებებთან. ახალი მიდგომა, რომელიც კომპიუტერული ტექნოლოგიების გამოყენებით მუშაობს, საშუალებას აძლევს მეცნიერებს სწრაფად გამოავლინონ პეპტიდები, რომლებიც შეიძლება გამოყენებულ იქნას ანტიბიოტიკების როგორც ახალი წყაროები. ეს კვლევა აჩვენებს, რომ კომპიუტერული მეთოდები მნიშვნელოვნად ამცირებს წამლების აღმოჩენის პროცესში საჭირო დროს. პრაქტიკული takeaway კი ისაა, რომ ახალი ანტიმიკრობული პეპტიდები შეიძლება დაეხმაროს იმ ინფექციების მკურნალობაში, რომლებიც არსებული ანტიბიოტიკების მიმართ რეზისტენტულები არიან.

#drpkhakadze #sheniekimi #ახალიკვლევები #ბიოტექნოლოგია #პეპტიდები

🟡 წინასწარი მტკიცებულება

პენსილვანიის უნივერსიტეტის მკვლევარებმა შექმნეს ღრმა სწავლების მოდელი, რომელიც პრიონულ ცილებში ჩადებული ანტიმიკრობული პეპტიდების — პოტენციური ანტიბიოტიკების — აღმოჩენას ახდენს. პრიონული ცილები პასუხისმგებელნი არიან სასიკვდილო ნეიროდეგენერაციულ დაავადებებზე, როგორიცაა კრუიცფელდტ-იაკობის დაავადება და ძროხის სპონგიფორმული ენცეფალოპათია (შეშლილი ძროხის დაავადება). ეს აღმოჩენა, რომელიც გამოქვეყნდა Nature-ში, წარმოადგენს ახალ კომპიუტერულ მიდგომას ანტიმიკრობული რეზისტენტობის წინააღმდეგ საბრძოლველად, რაც ჯანდაცვის მსოფლიო ორგანიზაციის შეფასებით ყოველწლიურად 1.27 მილიონი ადამიანის სიკვდილს იწვევს.

მთავარი დასკვნები

  • პენსილვანიის უნივერსიტეტში განვითარებულმა პროგნოზულმა ხელოვნური ინტელექტის მოდელმა პრიონულ ცილებში ანტიმიკრობული პეპტიდების სექვენციები გამოავლინა
  • ეს მიდგომა ახალი ანტიბიოტიკების აღმოჩენას დააჩქარებს იმ დროს, როდესაც ანტიმიკრობული რეზისტენტობის მქონე ბაქტერიები გლობალურ ჯანდაცვის სისტემებს ემუქრებიან
  • აღმოჩენა აჩვენებს, როგორ შეიძლება საშიში ცილების არსებული ცოდნის გამოყენება თერაპიული ნაერთების გასახსნელად

1.27 მილიონი

ანტიმიკრობული რეზისტენტობისგან გამოწვეული სავარაუდო ყოველწლიური სიკვდილი, WHO-ის მიხედვით

ანტიმიკრობული რეზისტენტობა: მზარდი საფრთხე

ანტიმიკრობული რეზისტენტობისგან გამოწვეული ყოველწლიური სიკვდილიანობა და ყველაზე რეზისტენტული პათოგენები

AMR-თან დაკავშირებული საერთო სიკვდილიანობა

მეთიცილინ-რეზისტენტული Staphylococcus aureus

კარბაპენემ-რეზისტენტული Acinetobacter

ვანკომიცინ-რეზისტენტული Enterococcus

წყარო: WHO, 2024 | საქართველოს სამედიცინო ჟურნალი ახალი ამბები

როგორ ხსნის ღრმა სწავლება დამალულ ანტიმიკრობულ ნაერთებს

პენსილვანიის უნივერსიტეტის კვლევითი ჯგუფი თავისი ღრმა სწავლების ალგორითმს პრიონული ცილების სექვენციებში ანტიმიკრობულ აქტივობასთან დაკავშირებული ნიმუშების ამოცნობაზე ავარჯიშებდა. მოდელმა სინთეზური სრულიად ახალი პეპტიდების ნაცვლად არსებული ანტიმიკრობული მოტივები — „პრიონინები“ — გამოავლინა, რომლებიც ბუნებრივად პრიონულ ცილებში გვხვდება, მაგრამ არასდროს ყოფილა იზოლირებული ან თერაპიულად გამოცდილი. ეს კომპიუტერული შემოკლება ტრადიციული წამლის აღმოჩენის სკრინინგის წლებს გვერდს უვლის.

პენსილვანიის უნივერსიტეტში განვითარებული პროგნოზული მოდელი, რომელიც მათი კვლევის ინსტიტუციური წყაროებით გამოქვეყნდა, მანქანური სწავლების გამოყენებით აჩქარებს იმას, რაც ჩვეულებრივ ფარმაცევტულ ლაბორატორიებს თვეებს ან წლებს სჭირდება. პროტეინის მონაცემთა ბაზების სისტემური სკანირებით, ალგორითმი ლაბორატორიული ვალიდაციის კანდიდატ ნაერთებს კვირების განმავლობაში გამოავლენს.

ღრმა სწავლების მოდელმა პრიონულ ცილებში ანტიმიკრობული პეპტიდების სექვენციები გამოავლინა, რაც კომპიუტერულ გზას ანტიბიოტიკების აღმოჩენის დასაჩქარებლად გვთავაზობს, ახალი დიზაინის გარეშე.

— პენსილვანიის უნივერსიტეტის კვლევითი ჯგუფი, Nature

რატომ აქვთ პრიონულ ცილებს თერაპიული პოტენციალი

პრიონული ცილები ბუნებაში უხვად გვხვდება და სამეცნიერო ლიტერატურაში ფართოდ არის აღწერილი, რაც მკვლევარებს ცნობილი სექვენციის მონაცემთა ვრცელი საცავის გამოყენების საშუალებას აძლევს. ამ სექვენციების ანტიმიკრობული თვისებების შესწავლით, მეცნიერები არსებული ცოდნის გამოყენებას ახდენენ, ქიმიური პირველადი პრინციპებიდან დაწყების ნაცვლად. ეს მიდგომა წარმოადგენს „კომპიუტერული წამლის გადამუშავების“ ფორმას, რომელიც ბუნებრივად არსებული მოლეკულების მიმართ გამოიყენება.

ეროვნული ჯანმრთელობის ინსტიტუტმა ეს კვლევა ანტიმიკრობული რეზისტენტობის გადაჭრის პოტენციურ გარღვევად აღნიშნა. ეს სტრატეგია ასევე პრაქტიკულ ბოთლნეკს ეხება: ტრადიციული ანტიბიოტიკების აღმოჩენა მილიონობით ნაერთის სკრინინგს მოითხოვს, რაც დროსა და რესურსებს მოიხმარს. პენის მოდელი ძიების სივრცეს დრამატულად ამცირებს, ბიოლოგიურად სარწმუნო კანდიდატებზე კონცენტრირებით.

ეს აღმოჩენა სფეროში ფართო ძალისხმევებს შეესაბამება. სისტემატური მიმოხილვა, რომელიც ძირითად ჟურნალებში გამოქვეყნდა, აჩვენებს, რომ ანტიმიკრობული აღმოჩენის კომპიუტერული მიდგომები განვითარების ვადებს ამცირებს, იმ მოლეკულების პრიორიტეტიზაციით, რომლებიც ბიოლოგიური აქტივობის დემონსტრირების ყველაზე დიდი ალბათობა აქვთ.

კლინიკური თარგმანი და დარჩენილი გამოწვევები

მიუხედავად იმისა, რომ კომპიუტერული აღმოჩენა იმედისმომცემია, რამდენიმე ვალიდაციის ნაბიჯი რჩება, სანამ პრიონინზე დაფუძნებული ანტიმიკრობული კლინიკურ გამოყენებაში შევიდეს. მოდელის მიერ გამოვლენილი პეპტიდები უნდა იყოს სინთეზირებული, ანტიმიკრობული აქტივობისთვის უჯრედულ კულტურაში გამოცდილი, ტოქსიკურობისთვის სკრინინგული და ფარმაკოკინეტიკური თვისებების შეფასებული — სხეულის ინფექციის ადგილებზე მიღწევის უნარი. ანტიმიკრობული წამლების განვითარების კლინიკური განახლებები ჩვეულებრივ 5-10 წელს მოიცავს საწყისი აღმოჩენიდან რეგულატორულ დამტკიცებამდე.

პენის გუნდი ახლა ლაბორატორიულ ვალიდაციაში გადადის, კანდიდატ პეპტიდების სინთეზირებასა და მათი ეფექტურობის კლინიკურად რელევანტული რეზისტენტული ბაქტერიების წინააღმდეგ გამოცდას ახდენს. ამ ადრეულ ექსპერიმენტებში წარმატება განსაზღვრავს, გადადის თუ არა რომელიმე პრიონინი ცხოველთა კვლევებში და საბოლოოდ ადამიანურ კვლევებში. ახალი ანტიბიოტიკების თერაპიული გზა მოითხოვს მტკიცე მტკიცებულებებს ყოველი ეტაპზე.

რას ნიშნავს ეს

პაციენტებისთვის: ახალი ანტიმიკრობული პეპტიდები შეიძლება მრავალმედიკამენტოზური რეზისტენტული ბაქტერიებით გამოწვეული ინფექციების მკურნალობის შესაძლებლობებს წარმოადგენდეს, განსაკუთრებით სერიოზულ სისხლძარღვოვან და ჭრილობის ინფექციებში, სადაც ამჟამინდელი ანტიბიოტიკები ვერ ხერხდება.

კლინიცისტებისთვის: წარმატებული პრიონინზე დაფუძნებული ანტიმიკრობული რეზისტენტული ინფექციების მკურნალობის არსენალს გააფართოებს, რაც შეიძლება ფართო სპექტრის აგენტებზე დამოკიდებულების შემცირებას გამოიწვიოს, რომლებიც შემდგომი რეზისტენტობის ევოლუციას იწვევს.

პოლიტიკის შემქმნელებისთვის: ანტიბიოტიკების აღმოჩენის კომპიუტერული მიდგომები შეიძლება დააჩქაროს მილსადენის შევსება, ანტიმიკრობული განვითარების კრიტიკული ხარვეზის აღმოფხვრა, რაც ჯანდაცვის სისტემებს ეფექტური მკურნალობის გარეშე ტოვებს საერთო პათოგენებისთვის.

ანტიმიკრობული რეზისტენტობის კრიზისი და AI-ის როლი

ანტიმიკრობული რეზისტენტობა ყოველწლიურად უფრო მეტ ადამიანს კლავს, ვიდრე აივ/შიდსი ან მალარია, ეპიდემიოლოგიური შეფასებების მიხედვით, რომლებიც რეცენზირებულ ლიტერატურაში გამოქვეყნდა. წამლების რეზისტენტული ინფექციები იწვევს საავადმყოფოში უფრო ხანგრძლივ ყოფნას, უფრო მაღალ სიკვდილიანობას და გაზრდილ ჯანდაცვის ხარჯებს. ფარმაცევტულმა ინდუსტრიამ ძირითადად ანტიბიოტიკების განვითარებიდან ეკონომიკური წნეხების გამო უკან დაიხია — ანტიბიოტიკის განვითარება 1-2 მილიარდ დოლარს მოითხოვს და უფრო დაბალ შემოსავალს იძლევა, ვიდრე ქრონიკული დაავადებების მედიკამენტები. ამ ბაზრის ჩავარდნამ კრიტიკული ინოვაციური ხარვეზი შექმნა.

პენის კვლევა აჩვენებს, როგორ შეუძლია ხელოვნურ ინტელექტსა და მანქანურ სწავლებას ნაწილობრივ ამ ეკონომიკური შეზღუდვების კომპენსირება აღმოჩენის ხარჯებისა და ვადების შემცირებით. თუ პრიონინზე დაფუძნებული პეპტიდები ვალიდირდება, ისინი შეიძლება წარმოადგენდეს მასშტაბურ მოდელს: არსებული პროტეინის მონაცემთა ბაზების სკანირება თერაპიული სექვენციების გამოსავლენად, ახალი მოლეკულების სინთეზის ნაცვლად. კომპიუტერული წამლის აღმოჩენის მზარდი კვლევითი ბაზა მიუთითებს, რომ ეს კომპიუტერული მიდგომა ანტიმიკრობული რეზისტენტობის გადაჭრაში უფრო და უფრო ცენტრალური გახდება.

ხშირად დასმული კითხვები

პრიონინ პეპტიდები უსაფრთხოა, თუ ისინი პრიონული ცილებისგან მოდის?

პრიონინ პეპტიდები პრიონული ცილების სექვენციებიდან კომპიუტერულად ამოღებული მოკლე ამინომჟავური ჯაჭვებია; ისინი არ არიან ინფექციური პრიონები. პრიონულ ცილებს საშიში ხდის მათი არასწორი დაკეცვის თვისება, რაც მოკლე პეპტიდურ ფრაგმენტებზე არ ვრცელდება. სინთეზური ვერსიები ცალკე ტოქსიკოლოგიურ და უსაფრთხოების ტესტირებას გადიან კლინიკურ შეფასებამდე.

რამდენად მალე შეიძლება პრიონინზე დაფუძნებული ანტიბიოტიკები პაციენტებს მიაღწიოს?

თუ პრიონინების კანდიდატების ლაბორატორიული ვალიდაცია წარმატებულია, ტიპიური გზა მოიცავს 2-3 წლიან პრეკლინიკურ ტესტირებას, რასაც 5-7 წლიანი კლინიკური კვლევები (ფაზები I, II და III) და რეგულატორული განხილვა მოჰყვება. რეალისტური ვადაა 7-10 წელი, თუმცა ანტიმიკრობული აგენტებისთვის, რომლებიც დაუკმაყოფილებელ სამედიცინო საჭიროებებს პასუხობენ, დაჩქარებული გზები არსებობს.

შეიძლება ეს მიდგომა სხვა დაავადებებზე გავრცელდეს?

დიახ. იგივე კომპიუტერული სტრატეგია — არსებული პროტეინის მონაცემთა ბაზების თერაპიული მოტივების ძიება — თეორიულად შეიძლება ბიოაქტიური პეპტიდების აღმოჩენას კიბოს, ანთების ან სხვა მდგომარეობებისთვის. პენის გუნდის მეთოდოლოგია ზოგადად გამოიყენება ანტიმიკრობული აღმოჩენის მიღმა.

პრიონულ ცილებში ანტიმიკრობული პეპტიდების აღმოჩენა აჩვენებს, როგორ შეუძლია მრავალდისციპლინურ კომპიუტერულ მიდგომებს რთული კლინიკური პრობლემების გადაჭრის გზების გახსნა. როგორც ანტიმიკრობული რეზისტენტობა განაგრძობს გავრცელებას, AI-ის მიერ დაჩქარებული წამლის აღმოჩენა შეიძლება აუცილებელი გახდეს ბაქტერიული ინფექციების ეფექტური მკურნალობის შესანარჩუნებლად. შემდეგი კრიტიკული ეტაპი იქნება ლაბორატორიული დადასტურება, რომ ალგორითმის პროგნოზებიდან სინთეზირებულ პრიონინებს მართლაც აქვთ ანტიმიკრობული აქტივობა რეზისტენტული კლინიკური იზოლატების წინააღმდეგ.

წყარო: Genetic Engineering & Biotechnology News / Nature კვლევითი სტატია